深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1	2025-07-25	Bone scintigraphy based on deep learning model and modified growth optimizer 2024-10-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73991-8 PMID:39465262	研究论文	提出一种基于深度学习和改进生长优化器的骨闪烁扫描技术，用于自动分析全身骨扫描图像	结合MobileViT模型和改进的Growth Optimizer算法进行特征提取和选择，提出名为GOAOA的新特征选择算法	仅使用了2800张骨扫描图像进行验证，样本量相对有限	开发自动分析全身骨扫描图像的机器学习方法，减轻医生工作负担	骨扫描图像	医学影像分析	骨转移癌	深度学习	MobileViT, GOAOA	医学图像	2800张骨扫描图像（1400正常，1400异常）
2	2025-07-25	Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue 2024-Oct, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2024.e71 PMID:40703983	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2025-07-24	Automatic detection of midfacial fractures in facial bone CT images using deep learning-based object detection models 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101914 PMID:38750725	研究论文	本研究利用基于深度学习的物体检测模型，开发了一种自动检测面部骨CT图像中面部中部骨折的系统	首次将深度学习技术应用于面部中部骨折的自动检测，提高了诊断的准确性和速度	样本量较小（100例CT图像），可能影响模型的泛化能力	开发一种快速准确的面部中部骨折自动检测系统，以改善急诊医疗环境中的诊断效率	面部中部骨折（如上颌骨、颧骨、鼻骨和眼眶骨折）	计算机视觉	面部骨折	深度学习	SSD, YOLOv8	CT图像	100例CT图像（80例训练集含3736张切片，20例验证集含883张切片）
4	2025-07-24	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	本文介绍了一种自动化图像转录技术，用于将血压数据从示波设备转录到医疗健康记录或数据库中，特别是在低识字率人群中	开发了一种基于深度学习的自动化图像转录技术，结合YOLO对象检测模型和CNN数字识别模型，有效提高了血压数据的可访问性和可用性	研究主要针对特定设备和低资源环境，可能在其他设备或环境中的适用性有限	解决血压数据从示波设备到医疗记录的转录问题，特别是在低识字率人群和低资源环境中	孕妇和产后妇女的血压数据	数字病理学	心血管疾病	深度学习，图像处理	YOLO, CNN	图像	来自危地马拉的1697名和584名孕妇，以及来自乔治亚州的23名和49名非洲裔美国产后妇女
5	2025-07-23	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来克服分辨率增强Hi-C数据中的人工结构问题	SHARP方法首次将Hi-C数据分解为三种信号类型，并仅对第三种信号类型应用深度学习，同时结合局部和全局注意力机制以捕获多尺度上下文信息	未明确提及具体限制，但可能涉及对新型数据类型的泛化能力或计算资源需求	提高Hi-C数据的分辨率增强准确性，避免人工结构的产生	基因组范围内的染色体构象捕获(Hi-C)数据	生物信息学	NA	Hi-C技术、深度学习	多尺度注意力机制	基因组接触矩阵数据	未明确提及具体样本数量，但包括新样本和另一物种的数据
6	2025-07-23	Postoperative facial prediction for mandibular defect based on surface mesh deformation 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101973 PMID:39089509	研究论文	本研究介绍了一种基于表面网格变形的新型预测模型，用于预测下颌骨缺损患者的术后面部轮廓	采用表面网格理论和深度学习，区别于传统的点云方法，使用表面三角网格网格，通过MCRBM模型提取潜在变量生成三维变形场，提高了几何信息保存和可解释性	NA	提高下颌骨缺损重建术后面部轮廓预测的准确性	下颌骨缺损患者	计算机视觉	口腔颌面疾病	深度学习	MCRBM	三维网格数据	NA
7	2025-07-23	A deep learning approach to detection of oral cancer lesions from intra oral patient images: A preliminary retrospective study 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101975 PMID:39043293	research paper	本研究评估了一种基于深度学习的计算机软件在检测口腔癌病变中的性能	使用YOLOv5架构开发的人工智能模型首次应用于口腔癌病变的检测	样本量较小（仅65张图像），且为回顾性研究	评估深度学习算法在口腔癌病变检测中的应用潜力	口腔鳞状细胞癌（OSCC）病变	digital pathology	oral cancer	deep learning	YOLOv5	image	65张匿名回顾性口腔内患者图像（53张训练集，6张验证集，6张测试集）
8	2025-07-23	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发了一种基于图论的超分辨率蛋白质-蛋白质相互作用（GSR-PPI）技术，用于空间解析单细胞信号网络，并通过深度学习分类模型评估高分辨率显微镜在PPI生物学研究中的应用	提出了一种新的GSR-PPI技术，能够空间解析单细胞信号网络，并通过深度学习模型预测药物反应	研究仅针对EGFR突变细胞和T细胞，可能不适用于其他类型的细胞或癌症	研究空间信号活动在癌症中的作用，以更好地理解药物抵抗机制	EGFR突变（EGFRm）的PC9和HCC827细胞以及T细胞	数字病理学	肺癌	空间邻近连接分析（PLA）、超分辨率显微镜（Zeiss Airyscan, SRRF）	基于图的深度学习模型	图像	超过10,000个EGFRm细胞和T细胞
9	2025-07-22	Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis 2024-Oct-31, ArXiv PMID:39575118	研究论文	提出了一种名为Supervised Independent Subspace Principal Component Analysis (sisPCA)的新方法，用于多子空间学习和高维数据的可解释表示	sisPCA结合了Hilbert-Schmidt独立性准则(HSIC)，能够同时确保子空间解耦和监督学习，弥补了传统线性方法和深度学习在可解释性上的不足	NA	开发一种能够同时处理多子空间学习并保持可解释性的高维数据表示方法	高维数据	机器学习	乳腺癌, 疟疾	PCA扩展方法	sisPCA	图像特征, DNA甲基化数据, 单细胞数据	NA
10	2025-07-22	The gene expression signature of electrical stimulation in the human brain 2024-Oct-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558812 PMID:37790527	研究论文	本研究通过转录组和表观基因组测序技术，揭示了人类大脑前颞叶直接电刺激后分子水平的变化，特别是小胶质细胞特异性细胞因子活性的基因表达变化	首次揭示了电刺激对人类大脑分子水平的影响，特别是发现小胶质细胞对电刺激的强烈反应，挑战了电刺激主要影响神经元基因表达的传统观点	研究样本可能仅限于特定神经外科手术患者，结果可能无法推广到所有人群	探究电刺激对人类大脑分子水平的影响	人类大脑前颞叶和小胶质细胞	神经科学	神经系统疾病	转录组和表观基因组测序技术	深度学习计算工具	基因表达数据	神经外科手术患者和小鼠模型
11	2025-07-22	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本文探讨了利用基因组基础模型从DNA序列中预测个性化基因表达的方法	使用预训练的Nucleotide Transformer嵌入来缩小个体间基因表达预测的性能差距	需要更多训练数据以进一步提升模型准确性	提高从DNA序列预测个性化基因表达的准确性	290个个体的基因型和表达数据	功能基因组学	NA	深度学习	transformer	DNA序列数据	290个个体
12	2025-07-22	Integrated image-based deep learning and language models for primary diabetes care 2024-Oct, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03139-8 PMID:39030266	研究论文	开发了一个结合大型语言模型和图像深度学习的集成系统（DeepDR-LLM），用于提供个性化的糖尿病管理建议	结合大型语言模型（LLM）和图像深度学习（DeepDR-Transformer）的创新集成系统，用于糖尿病初级护理和糖尿病视网膜病变筛查	仅进行了单中心前瞻性研究，样本量有限，且仅测试了英语和中文环境	提升初级糖尿病护理和糖尿病视网膜病变筛查的效率和质量	初级保健医生（PCPs）和糖尿病患者	数字病理学	糖尿病	深度学习，大型语言模型	Transformer, LLM	图像，文本	回顾性评估和前瞻性研究（n=397未辅助组，n=372辅助组）
13	2025-07-22	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-Oct, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	研究论文	本文探讨了数据科学在改善放射治疗计划和临床决策中的应用	提出利用深度学习改进预测模型，并结合多种数据源（如基因组学、放射组学和剂量组学）来个性化放射治疗	未提及具体实施中的技术或数据获取难度	通过改进建模方法，利用新数据源更好地指导放射治疗	放射治疗计划和临床决策	数字病理学	肿瘤	深度学习	NA	基因组学、放射组学、剂量组学数据	NA
14	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	research paper	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位（STN LFPs）中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能优势	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中进行测试	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改善自适应深部脑刺激（DBS）疗法的效果	帕金森病患者的丘脑底核局部场电位和步态表现	machine learning	Parkinson's disease	深部脑刺激（DBS），局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（STN LFPs），地面反作用力数据	18名帕金森病患者
15	2025-07-20	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用，旨在开发预测性生物标志物以改善诊断和治疗效果	利用人工智能技术开发预测性生物标志物，包括S100A7和深度学习数字病理学，以预测口腔上皮异型增生转化为口腔鳞状细胞癌的风险及治疗效果	目前尚无可靠的临床、病理、组织学或分子生物标志物来预测口腔上皮异型增生和口腔鳞状细胞癌的个体风险和治疗效果	探索人工智能在预测口腔上皮异型增生转化为口腔鳞状细胞癌及预测口腔鳞状细胞癌死亡率和治疗反应中的应用	口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)患者	数字病理学	口腔癌	机器学习、深度学习、多重免疫组织化学、表观基因组学	深度学习(DL)	图像、表观遗传数据	NA
16	2025-07-20	Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17294 PMID:38980065	研究论文	本研究开发了一种患者特异性深度学习方法，用于改进质子治疗中原声成像的重建质量和剂量验证的准确性	采用两阶段深度学习方法，结合群体模型和患者特异性数据增强，显著提高了原声成像的重建质量和剂量验证的准确性	研究仅基于10名前列腺癌患者的数据，样本量有限，需要进一步临床验证	改进质子治疗中原声成像的重建质量和剂量验证的准确性	前列腺癌患者	数字病理	前列腺癌	深度学习、数据增强	深度学习网络	CT图像、原声信号	10名前列腺癌患者
17	2025-07-20	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	本研究比较了深度学习模型与资深外科住院医师在腹部X光片上诊断坏死性小肠结肠炎（NEC）的准确性	使用预训练的ResNet-50深度卷积神经网络（DCNN）和Grad-CAM热力图技术，首次在NEC诊断中实现与资深外科住院医师相当的准确性	研究样本量有限（494张X光片），且缺乏普遍应用的'金标准'作为对照	评估深度学习模型在NEC影像诊断中的临床应用价值	新生儿腹部X光片（494张，其中214张为NEC病例）	数字病理学	坏死性小肠结肠炎	迁移学习	ResNet-50 DCNN	图像	494张新生儿腹部X光片（214例NEC，280例其他）
18	2025-07-20	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	本研究验证了深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的应用，并评估了颜色融合选项对分类性能的影响	研究了不同颜色融合选项（早期融合、中期融合和晚期融合）对深度学习分类性能的影响，并发现红色通道图像在单色学习中表现最佳，中期融合在多色学习中表现最优	研究为回顾性研究，样本量相对有限，且仅使用了超宽视野视网膜图像	验证深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的有效性，并评估颜色融合选项对分类性能的影响	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	深度学习图像分类	CNN	图像	438名患者的798张超宽视野视网膜图像（157名葡萄膜黑色素瘤患者和281名脉络膜痣患者）
19	2025-07-20	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	提出了一种基于电子健康记录（EHR）的加权患者表示框架PheW2P2V，用于表型组范围内的预测	PheW2P2V通过加权患者向量，针对特定表型进行个性化预测，减少了冗余和病例对照错误分类	需要进一步研究评估嵌入在不同数据库间的可迁移性	开发一种高效、灵活的预测工具，用于早期诊断高风险疾病	电子健康记录（EHR）中的患者数据	机器学习	多种临床疾病表型	Phecode映射	NA	电子健康记录（EHR）	MIMIC-III数据库中的942个表型范围预测
20	2025-07-17	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核过程，训练了一个可解释的深度学习模型CANNY来预测蛋白质聚集	使用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANNY，提高了淀粉样蛋白成核预测的准确性，并揭示了模型的决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，开发更准确的预测方法	蛋白质序列及其淀粉样蛋白成核过程	机器学习	NA	深度学习	卷积-注意力混合神经网络(CANNY)	蛋白质序列数据	超过10万条蛋白质序列